皮膚科専門医が自ら作成した皮膚がん学習アプリの紹介
(molecheck.info)- 皮膚科専門医が開発した皮膚がん学習アプリの案内
- ユーザーがモバイル機器で最適な体験を得られるようにしている
- Webサイト（molecheck.info）にはQRコードのスキャンでアクセスすることを推奨している
- デスクトップでも利用可能だが、スマートフォンでの利用のほうが適している
- 皮膚疾患および病変クイズを通じて、皮膚がんに関する知識を身につけられる
molecheck.infoとモバイル環境最適化の案内
- molecheck.infoは、皮膚科専門医が直接参加して作った皮膚がん学習Webアプリである
- ユーザーはQRコードをスマートフォンのカメラでスキャンし、モバイルデバイスでWebアプリを利用することを推奨される
- モバイル環境で最高の利用体験を提供することを強調している
- ユーザーは希望すればデスクトップ環境でもそのままアプリを利用できる
- このアプリを通じて皮膚病変クイズに取り組み、皮膚がんへの理解を高められる
1件のコメント
Hacker Newsの意見
AIコーディングのDIY的な要素が本当に気に入っている。少し前に、ある皮膚科専門医がこういうアイデアを思いついたとしても、実際に形にするには専門パートナーを見つけて多くの作業をしなければならなかったはずで、だから大半はただのアイデアのままで終わっていただろう。これは非専門家だけの話ではなく、私にも何十年も積み上がったプロジェクトアイデアのリストがあるが、時間の余裕がなく実現できずにいた。今はAIエージェントを使って、自分に何ができるのか試している。
正直なところ、名前が「vibe code」なのだけが唯一残念だ。みんなが有用な形でコンピュータをプログラミングできるようになるのは本当に良いことだ。
私も同じだ。何年も頭の中を巡っていたアイデアがあったのに、「どうせうまくいかない」という確信のせいで試しさえしなかった。プロの開発者として20年近く働いてきたので実行する能力は十分あったが、時間の無駄に思えたからだ。今はAIの力を借りてどんどん進めている。出来上がるものは粗いが、何もないよりはましだと思っている。何が当たるかわからないのだから。
私も一人で十分やれたとは思うが、数週間はかかっただろうし、現実的には最後まで終えられなかったと思う。
非専門家だが、姉がメラノーマになったことがあるので皮膚がんには関心が高い。そのおかげで正答率をすぐに50%から85%まで上げられた。大半が皮膚がんのケースなので学びやすかった。だから私の助言としては、実際の皮膚がんの比率が50%ならもっとよい気がする。もちろん学習の目的上、悪性ケースに集中させたいからそうしているのかもしれない。実際には思ったよりずっと難しい問題だった。実際に皮膚科専門医に会ってみたくなった。
もし皮膚科専門医の実際の「トレーニング」のためにコーディングするなら、現実の比率にもっと近づけるだろう。皮膚科医として言うと、実際に人々が心配して受診する皮膚病変のうち、本当にがんなのは100件に1件くらいだろう。現在のデータセットはがんの画像が多すぎるので、「全部がん」と答えても点が取りやすい状況だ。だが実際には、がんでもない人を過剰に専門医へ回してしまうと、結局使いにくいツールになってしまう。
いい指摘だ。実際にはがん対良性病変が50:50くらいの方がよさそうだ。今後のバージョンではそこを反映する予定だ。もちろん実際の皮膚病変の大半は無害だが、それでも短時間の集中トレーニングだけでも一般の人が疑わしい病変を見分ける助けになると思う。
もう少し考えてみたが、むしろ初期段階では100%あるいは高い比率で悪性ケースを見せて、実際に何を知るべきか学ばせるべきだと思う。その後で徐々に難易度を上げればいい。50%の比率に近づくほどスコアは単純確率に収束するので、より難しく感じられるはずだ。
最初の12件はほとんどががんで、次の12件は大半が非がん性だった。（本当にランダムかはわからないが）、（私も皮膚病変ががんかどうかは本当に見分けられない）。
私は本当にあらゆる種類の肌のシミ、ほくろ、正体不明のものを持っている人間なので、こういうプロジェクトはかなり怖く感じる。
毎年、皮膚科で全身の皮膚検診を受けるのが一般的だ。肌質の関係で何年も毎年受けているが、最近の検査で早期の基底細胞がんが見つかった。
私は疑わしいものは一つしかないが、それでも20分ほど「皮膚線維腫と基底細胞がん」をググっていた。私の場合は皮膚線維腫に見えるが、こういうプロジェクトのおかげで結局は診てもらうのがよいと改めて気づかされた。
素晴らしい仕事だ。次はぜひ統計の部分を学ぶべきで、そうすればこれまでの作業が簡単な部分だったとすぐに気づくだろう。分類結果を実際にどう活用するか、つまり患者の健康に純利益をもたらす形にすることの方が、はるかに難しい関門だ。あるスタートアップでこうした分類システムを作ったことがあるが、技術自体はうまく解決できても、どう実運用すれば悪影響を避けられるかで本当に苦労した。誤り率がどれほど低くても、最終的にはそこが主要な課題になる。false positiveでもfalse negativeでも、コスト面でも感情面でも打撃が大きい。
本当に有用なツールだ。判断の根拠を説明したり、画像からどうやって正解を見つけるのかを助ける説明がもっとあるとよいと思う。メラノーマと脂漏性角化症/母斑の区別が難しく、今でもよくわからない。120枚ほど慎重に見たが、まだ感覚がつかめない。それと、メニューにあるガイドページが存在しない: https://molecheck.info/how-to-recognise-skin-cancer
とても有益なフィードバックだ。診断の助けになるよう案内を改善し、メニューにも詳しい説明を追加する予定だ。実は自分以外では少数の患者しか使わないと思っていて、HNのトップページに載るとはまったく予想していなかった。
私も同じように感じた。全体セットの中で50%がメラノーマ、50%が「茶色の良性病変」になるモードが欲しい。
これが本当に「浸潤性メラノーマ」なのか気になる リンク
データセットのメタデータ上ではそう表示されている。もちろん誤分類の可能性はある。見た目には普通のほくろでも実際には悪性ということがごくまれにある。たとえば naevoid melanoma のケース: naevoid melanoma Google画像検索。だから皮膚科診断は難しく、AI画像分類も法的・リスク管理の面で簡単ではない。過去のメラノーマ多職種カンファレンスでも、年に1〜2回、過去の写真だけ見るとまったく疑わしくなかったケースがあった。患者に必ず強調しているのは、見た目には何の変化もないほくろでも、数か月の間に変化している様子があれば必ずチェックすべきだということだ。
うん、これはほぼ確実に誤分類に見える。
私も医師だが、このプロジェクトの意図と開発過程について詳しく聞いてみたい。「心配/心配不要」の二択は主に相談を受ける臨床医にとって重要そうで、一方で「BCC vs melanoma」の多肢選択は医学生の教育により向いていそうだ。他の意見と同じく、実際の患者やプライマリケアの状況に合わせるのも面白そうだ。もちろん、良性母斑ばかり大量に出ると退屈になってしまうかもしれないが。
いいアイデアだ。AIでアイデアを実現した好例だと思う。専門家が作る教育ツールこそAI時代に最も希望のある事例だと思う。ただ、AIが否定的に使われてインターネットクリエイターの価値をテック投資家側に移してしまう傾向が多く、こうしたプロジェクトがその批判に対して「では、ながん治療に反対するのか」といった形の議論に使われることもあって、少し複雑な気持ちになる。
むしろこうしたテーマではすでに多くのスタートアップが立ち上がっていて、技術そのものは実現できても、医学的・倫理的な難題を乗り越える方がはるかに大変な挑戦だった。
フィードバックありがとう。多くの人がアプリを有用だと感じてくれてうれしい。確かにAIコーディングのおかげで可能になったことで、今後はさまざまな非専門分野にも応用できると思う。
素晴らしいプロジェクトで、学習用としても本当に有益だ。ただ一つ懸念がある。アプリにおける「要注意」対「心配なし」病変の比率が、実際の母集団と合っていないように見える。無作為に選んだほくろががんである確率は、実際にはアプリが示唆するほど高くない。もちろん学習効率のためには必要なのだろうが、一般の人には過度な不安バイアスを生むかもしれない。ベースレート（基本発生率）の教育も一緒に行うべきだと思う。
AIコーディングの完璧な使い道だ。ドメイン専門家が、実装難度の低いアプリを集中して作った例だ。@sungam、もし皮膚がんAIモデルの研究をするなら、いつでも連絡してほしい（メールはプロフィールにある）。私は臨床研究者がAIを研究に簡単に導入できるよう支援するツールを作っている。